CN112784684A - 智能执勤分析评价方法及其系统 - Google Patents

Abstract

本发明公开了一种智能执勤分析评价方法及其系统，芯片模块实时提取视频流数据的人物特征信息，并通过人物特征信息判断视频流数据中执勤人员在岗位执勤时的在岗及离岗状态，芯片模块通过第一人脸特征数据判断执勤人员在岗位执勤时的生理疲劳状态，芯片模块参照数据库模型整理计算得出该执勤人员本次执勤的评价结果，并上报至后台服务器。本发明的芯片模块智能自动分析判断执勤人员的执勤状态，完全不用依赖人工远程监控判断，清楚、有效地提高岗哨执勤效率，事后做到及时的数据记录，且对后续的排查、复查等提供了完整有力的证据链，通过第二人脸特征分析执勤人员的岗位交接情况，避免了由于指纹破损识别不了的原因导致岗位交接出现的问题。

Description

智能执勤分析评价方法及其系统

技术领域

本发明涉及岗哨执勤系统设备技术领域，具体涉及一种智能执勤分析评价方法及其系统。

背景技术

在现有的模式下，一般采用人工远程视频监控判断的方式，观察哨兵的执勤状态，对哨兵的进行执勤效果的评价工作，在远程监控的过程中若发现哨兵执勤状态不理想，则通过对讲机进行远程的提醒，并在事后的执勤评价系统中手动记录本次执勤情况，传统视频监控的方式存在提醒不及时、不准确、事后无法形成完整的证据链，不利于部队执勤效率和军队系统战斗力的提高。

传统按照执勤排班的安排进行上下哨的执勤交接，并在交接哨完成时，进行执勤效果的主观评价，相关的评价比较主观，不利于精细化管理的执勤效率的提高。

近些年来，随着岗哨执勤智能化的改造，相关部门也引入了一些指纹交接哨设备，实现了上下哨记录功能，但是由于军队系统内的执勤人员长期训练，经常存在指纹破损的情况，导致相关的指纹识别交接哨设备并不能高效的使用。

发明内容

本发明的目的在于改进现有技术的缺陷，提供一种智能执勤分析评价方法及其系统。

为解决上述技术问题，本发明的技术方案如下：

智能执勤分析评价方法，包括以下步骤：

离岗监测终端实时采集监测区域内执勤人员在岗及离岗情况的视频流数据；

疲劳监测终端实时采集监测区域内执勤人员的第一人脸特征数据；

换岗监测终端实时采集监测区域内执勤人员的第二人脸特征数据；

芯片模块获取视频流数据、第一人脸特征数据及第二人脸特征数据；

芯片模块实时提取视频流数据的人物特征信息，并通过人物特征信息判断视频流数据中执勤人员在岗位执勤时的在岗及离岗状态；

芯片模块通过第一人脸特征数据判断执勤人员在岗位执勤时的生理疲劳状态；

芯片模块通过第二人脸特征数据分析执勤人员在岗位轮换时的岗位交接情况；

当执勤人员的岗位交接完成后，芯片模块根据执勤人员的在岗及离岗状态、生理疲劳状态及岗位交接情况，并参照数据库模型整理计算得出该执勤人员本次执勤的评价结果；

芯片模块将评价结果上报至后台服务器。

智能执勤分析评价方法，还包括以下步骤：当芯片模块未从视频流数据中提取到人物特征信息时，自动判断为执勤人员在岗位执勤时存在离岗的情况，芯片模块自动发送警报信息至警报器，使警报器触发用于提醒执勤人员的离岗警报；反之，则判断为执勤人员正常在岗执勤。

自动判断执勤人员在执勤时离岗，传统的人工远程监控对执勤人员离岗的监督会出现发现不及时、处理不到位的情况，而通过报警器能够在执勤人员离岗时及时作出提醒，且该离岗行为将被芯片模块记录在案，进一步对后续的复查形成完整有力的证据。

所述第一人脸特征数据包括哈欠次数信息、闭眼时长信息及头部姿态信息。

芯片模块通过分析第一人脸特征数据的哈欠次数信息、闭眼时长信息及头部姿态信息，当分析超过一定阈值后，进而判断执勤人员在岗位执勤过程中的存在疲劳执勤状态，不需人工远程监控，进一步快速有效地通过报警器对执勤人员发出提醒执勤人员的疲劳执勤警报。

所述第二人脸特征数据包括人脸信息、基本轮廓信息及执勤体态信息。

智能执勤分析评价方法，还包括以下步骤：芯片模块根据哈欠次数信息、闭眼时长信息及头部姿态信息分析判断执勤人员处于疲劳执勤状态时，芯片模块自动发送警报信息至警报器，使警报器触发用于提醒执勤人员的疲劳执勤警报。

执勤人员处于生理疲劳状态时，除了报警器能够及时有效地提醒执勤人员外，芯片模块还能自动记录对应的执勤人员本次执勤时的具体状况，不仅能够为作出本次执勤评价结果的形成提供依据，还对军队系统后续的复查及证据链的形成作出了重要的依据。

智能执勤分析评价方法，还包括以下步骤：执勤人员轮换岗位时，芯片模块将执勤人员岗位交接后的第二人脸特征数据与排班信息对应的人脸进行对比分析，当匹配得上时，则岗位交接正常；反之则岗位交接异常，芯片模块自动发送警报信息至警报器。

执勤岗位交接时，芯片模块通过分析第二人脸特征数据的脸信息、基本轮廓信息及执勤体态信息，再与排班信息上对应的执勤人员进行匹配对比，便能执勤人员的岗位交接进行自动智能判断，全程不用指纹操作进行，且正常的岗位交接完成后，后台服务器便能及时受到芯片模块发送的评价结果，进一步通过后台服务器远程监控执勤人员在执勤时的全部情况和细节。

智能执勤分析评价方法，还包括以下步骤：当执勤人员处于疲劳执勤状态、执勤离岗或岗位交接异常时，芯片模块自动发送警报信息至警报器的同时，芯片模块还将疲劳执勤、执勤离岗及岗位交接异常的信号上报至后台服务器。

智能执勤分析评价方法，还包括以下步骤：后台服务器根据执勤人员的评价结果、疲劳执勤、执勤离岗及岗位交接异常的信号相应的执勤数据统计，并绘制得出各个执勤点的执勤效率曲线图。

智能执勤分析评价方法，还包括以下步骤：芯片模块获取视频流数据、第一人脸特征数据及第二人脸特征数据后，还对分别对视频流数据、第一人脸特征数据及第二人脸特征数据进行降噪的数据优化处理。

进而将偏离过大的数据点位删除，使视频流数据、第一人脸特征数据及第二人脸特征数据更加真实准确。

智能执勤分析评价系统，包括离岗监测终端、疲劳监测终端、换岗监测终端、警报器、芯片模块及后台服务器，所述离岗监测终端、疲劳监测终端、换岗监测终端及警报器均与芯片模块电性连接，所述芯片模块与后台服务器连接；

所述离岗监测终端用于实时采集监测区域内执勤人员在岗及离岗情况的视频流数据；

所述疲劳监测终端用于实时采集监测区域内执勤人员的第一人脸特征数据；

所述换岗监测终端用于实时采集监测区域内执勤人员的第二人脸特征数据；

所述警报器用于接收芯片模块发送的警报信息，并触发相应的警报；

所述芯片模块用于获取视频流数据、第一人脸特征数据及第二人脸特征数据；用于判断视频流数据中执勤人员在岗位执勤时的在岗及离岗状态；用于判断执勤人员在岗位执勤时的生理疲劳状态；用于分析执勤人员在岗位轮换时的岗位交接情况；用于参照数据库模型整理计算得出该执勤人员本次执勤的评价结果；

所述后台服务器用于存储评价结果、疲劳执勤的信号、执勤离岗的信号及岗位交接异常的信号；用于统计执勤数据，并绘制得出各个执勤点的执勤效率曲线图。

与现有技术相比，本发明技术方案的有益效果是：

智能执勤分析评价方法，芯片模块分析获取的视频流数据，以用于智能自动分析判断执勤人员的在岗或离岗的相关情况，芯片模块分析获取的第一人脸特征数据，以用于智能自动分析判断执勤人员的执勤状态，完全不用依赖人工远程监控判断，通过分析视频流数据、第一人脸特征数据，能够得出执勤人员本次执勤准确的评价结果，进而清楚、有效地提高岗哨执勤效率，事后做到及时的数据记录，且对后续的排查、复查等提供了完整有力的证据链，使执勤系统更加规范，芯片模块还在岗位轮换时通过第二人脸特征分析执勤人员的岗位交接情况，根据执勤的排班信息以用于实现执勤人员岗位自动交接，进而避免了由于指纹破损识别不了的原因导致岗位交接出现的问题。

附图说明

图1是本发明实施例中智能执勤分析评价方法的流程图；

图2是本发明实施例中智能执勤分析评价系统的连接框图；

附图标记说明：

10、离岗监测终端，20、疲劳监测终端，30、换岗监测终端，40、警报器，50、芯片模块，60、后台服务器，70、数据库模型。

具体实施方式

下面对本发明的实施例进行详细说明。

请参阅图1、图2，智能执勤分析评价方法，包括以下步骤：离岗监测终端10实时采集监测区域内执勤人员在岗及离岗情况的视频流数据，疲劳监测终端20实时采集监测区域内执勤人员的第一人脸特征数据，换岗监测终端30实时采集监测区域内执勤人员的第二人脸特征数据，芯片模块50获取视频流数据、第一人脸特征数据及第二人脸特征数据，芯片模块50实时提取视频流数据的人物特征信息，并通过人物特征信息判断视频流数据中执勤人员在岗位执勤时的在岗及离岗状态，芯片模块50通过第一人脸特征数据判断执勤人员在岗位执勤时的生理疲劳状态，芯片模块50通过第二人脸特征数据分析执勤人员在岗位轮换时的岗位交接情况，当执勤人员的岗位交接完成后，芯片模块50根据执勤人员的在岗及离岗状态、生理疲劳状态及岗位交接情况，并参照数据库模型70整理计算得出该执勤人员本次执勤的评价结果，芯片模块50将评价结果上报至后台服务器60。

在本实施例中，芯片模块50获取视频流数据、第一人脸特征数据及第二人脸特征数据后，还对分别对视频流数据、第一人脸特征数据及第二人脸特征数据进行降噪的数据优化处理。

当芯片模块50未从视频流数据中提取到人物特征信息时，自动判断为执勤人员在岗位执勤时存在离岗的情况，芯片模块50自动发送警报信息至警报器40，使警报器40触发用来提醒执勤人员的离岗警报；反之，则判断为执勤人员正常在岗执勤。

第一人脸特征数据包括哈欠次数信息、闭眼时长信息及头部姿态信息，芯片模块50根据哈欠次数信息、闭眼时长信息及头部姿态信息分析判断执勤人员处于疲劳执勤状态时，芯片模块50自动发送警报信息至警报器40，使警报器40触发用来提醒执勤人员的疲劳执勤警报；当执勤人员处于疲劳执勤状态、执勤离岗或岗位交接异常时，芯片模块50自动发送警报信息至警报器40的同时，芯片模块50还将疲劳执勤、执勤离岗及岗位交接异常的信号上报至后台服务器60。

第二人脸特征数据包括人脸信息、基本轮廓信息及执勤体态信息，执勤人员轮换岗位时，芯片模块50将执勤人员岗位交接后的第二人脸特征数据与排班信息对应的人脸进行对比分析，当匹配得上时，则岗位交接正常；反之则岗位交接异常，芯片模块50自动发送警报信息至警报器40。

后台服务器60根据执勤人员的评价结果、疲劳执勤、执勤离岗及岗位交接异常的信号相应的执勤数据统计，并绘制得出各个执勤点的执勤效率曲线图。

请参阅图2，智能执勤分析评价系统，包括离岗监测终端10、疲劳监测终端20、换岗监测终端30、警报器40、芯片模块50及后台服务器60，离岗监测终端10、疲劳监测终端20、换岗监测终端30及警报器40均与芯片模块50电性连接，芯片模块50与后台服务器60连接；

离岗监测终端10用来实时采集监测区域内执勤人员在岗及离岗情况的视频流数据；

疲劳监测终端20用来实时采集监测区域内执勤人员的第一人脸特征数据；

换岗监测终端30用来实时采集监测区域内执勤人员的第二人脸特征数据；

警报器40用来接收芯片模块50发送的警报信息，并触发相应的警报；

芯片模块50用来获取视频流数据、第一人脸特征数据及第二人脸特征数据；用来判断视频流数据中执勤人员在岗位执勤时的在岗及离岗状态；用来判断执勤人员在岗位执勤时的生理疲劳状态；用来分析执勤人员在岗位轮换时的岗位交接情况；用来参照数据库模型70整理计算得出该执勤人员本次执勤的评价结果；

后台服务器60用来存储评价结果、疲劳执勤的信号、执勤离岗的信号及岗位交接异常的信号；用来统计执勤数据，并绘制得出各个执勤点的执勤效率曲线图。

在本实施例中，分析判断为第一人脸特征数据的生理疲劳状态的基本项目为：

执勤人员处于清醒时，对于自身脸部表情有一定的管理，若出现疲劳执勤其眼部状态表现为，闭眼时长状态(正常情况下，眼睛闭合时间在0.2秒至0.3秒之间)，若在1分钟之内执勤人员闭眼时间的频率超过3次，或眼睛闭合超过0.5秒，则芯片模块50分析判断该执勤人员处于生理疲劳状态；

哈欠次数信息，嘴巴会长时间张开很大或者连续张开很大，嘴巴张开直径超过4至7厘米时，嘴部形状形成一个大“O”型，再通过结合其眨眼频率的分析(正常成年人每分钟眨眼15次左右，两次眨眼时间间隔为2～6秒，完成一次眨眼动作需要200～400毫秒，若执勤人员的眨眼频率过高，或两次眨眼时间间隔较短)，则芯片模块50分析判断该执勤人员处于生理疲劳状态；

头部姿态信息(头部姿态表现为出现频繁点头、低头、向侧或向后斜倾等)，若以上表现频率为一分钟5到10次则为精神不集中，则芯片模块50分析判断该执勤人员处于生理疲劳状态；

本实施例具有如下优点：

1、智能执勤分析评价方法，芯片模块50分析获取的视频流数据，以用来智能自动分析判断执勤人员的在岗或离岗的相关情况，芯片模块50分析获取的第一人脸特征数据，以用来智能自动分析判断执勤人员的执勤状态，完全不用依赖人工远程监控判断，通过分析视频流数据、第一人脸特征数据，能够得出执勤人员本次执勤准确的评价结果，进而清楚、有效地提高岗哨执勤效率，事后做到及时的数据记录，且对后续的排查、复查等提供了完整有力的证据链，使执勤系统更加规范，芯片模块50还在岗位轮换时通过第二人脸特征分析执勤人员的岗位交接情况，根据执勤的排班信息以用来实现执勤人员岗位自动交接，进而避免了由于指纹破损识别不了的原因导致岗位交接出现的问题。

2、自动判断执勤人员在执勤时离岗，传统的人工远程监控对执勤人员离岗的监督会出现发现不及时、处理不到位的情况，而通过报警器能够在执勤人员离岗时及时作出提醒，且该离岗行为将被芯片模块50记录在案，进一步对后续的复查形成完整有力的证据。

3、芯片模块50通过分析第一人脸特征数据的哈欠次数信息、闭眼时长信息及头部姿态信息，当分析超过一定阈值后，进而判断执勤人员在岗位执勤过程中的存在疲劳执勤状态，不需人工远程监控，进一步快速有效地通过报警器对执勤人员发出提醒执勤人员的疲劳执勤警报。

4、执勤人员处于疲劳状态时，除了报警器能够及时有效地提醒执勤人员外，芯片模块50还能自动记录对应的执勤人员本次执勤时的具体状况，不仅能够为作出本次执勤评价结果的形成提供依据，还对军队系统后续的复查及证据链的形成作出了重要的依据。

5、执勤岗位交接时，芯片模块50通过分析第二人脸特征数据的脸信息、基本轮廓信息及执勤体态信息，再与排班信息上对应的执勤人员进行匹配对比，便能执勤人员的岗位交接进行自动智能判断，全程不用指纹操作进行，且正常的岗位交接完成后，后台服务器60便能及时受到芯片模块50发送的评价结果，进一步通过后台服务器60远程监控执勤人员在执勤时的全部情况和细节。

6、进而将偏离过大的数据点位删除，使视频流数据、第一人脸特征数据及第二人脸特征数据更加真实准确。

以上仅为本发明的具体实施例，并不以此限定本发明的保护范围；在不违反本发明构思的基础上所作的任何替换与改进，均属本发明的保护范围。

Claims (10)

1.智能执勤分析评价方法，其特征在于，包括以下步骤：

离岗监测终端实时采集监测区域内执勤人员在岗及离岗情况的视频流数据；

疲劳监测终端实时采集监测区域内执勤人员的第一人脸特征数据；

换岗监测终端实时采集监测区域内执勤人员的第二人脸特征数据；

芯片模块获取视频流数据、第一人脸特征数据及第二人脸特征数据；

芯片模块实时提取视频流数据的人物特征信息，并通过人物特征信息判断视频流数据中执勤人员在岗位执勤时的在岗及离岗状态；

芯片模块通过第一人脸特征数据判断执勤人员在岗位执勤时的生理疲劳状态；

芯片模块通过第二人脸特征数据分析执勤人员在岗位轮换时的岗位交接情况；

当执勤人员的岗位交接完成后，芯片模块根据执勤人员的在岗及离岗状态、生理疲劳状态及岗位交接情况，并参照数据库模型整理计算得出该执勤人员本次执勤的评价结果；

芯片模块将评价结果上报至后台服务器。

2.如权利要求1所述智能执勤分析评价方法，其特征在于，还包括以下步骤：

当芯片模块未从视频流数据中提取到人物特征信息时，自动判断为执勤人员在岗位执勤时存在离岗的情况，芯片模块自动发送警报信息至警报器，使警报器触发用于提醒执勤人员的离岗警报；反之，则判断为执勤人员正常在岗执勤。

3.如权利要求2所述智能执勤分析评价方法，其特征在于，所述第一人脸特征数据包括哈欠次数信息、闭眼时长信息及头部姿态信息。

4.如权利要求3所述智能执勤分析评价方法，其特征在于，所述第二人脸特征数据包括人脸信息、基本轮廓信息及执勤体态信息。

5.如权利要求3所述智能执勤分析评价方法，其特征在于，还包括以下步骤：

芯片模块根据哈欠次数信息、闭眼时长信息及头部姿态信息分析判断执勤人员处于疲劳执勤状态时，芯片模块自动发送警报信息至警报器，使警报器触发用于提醒执勤人员的疲劳执勤警报。

6.如权利要求5所述智能执勤分析评价方法，其特征在于，还包括以下步骤：

执勤人员轮换岗位时，芯片模块将执勤人员岗位交接后的第二人脸特征数据与排班信息对应的人脸进行对比分析，当匹配得上时，则岗位交接正常；反之则岗位交接异常，芯片模块自动发送警报信息至警报器。

7.如权利要求2至6中任一项所述智能执勤分析评价方法，其特征在于，还包括以下步骤：

当执勤人员处于疲劳执勤状态、执勤离岗或岗位交接异常时，芯片模块自动发送警报信息至警报器的同时，芯片模块还将疲劳执勤、执勤离岗及岗位交接异常的信号上报至后台服务器。

8.如权利要求6所述智能执勤分析评价方法，其特征在于，还包括以下步骤：

后台服务器根据执勤人员的评价结果、疲劳执勤、执勤离岗及岗位交接异常的信号相应的执勤数据统计，并绘制得出各个执勤点的执勤效率曲线图。

9.如权利要求2至6中任一项所述智能执勤分析评价方法，其特征在于，还包括以下步骤：

芯片模块获取视频流数据、第一人脸特征数据及第二人脸特征数据后，还对分别对视频流数据、第一人脸特征数据及第二人脸特征数据进行降噪的数据优化处理。

10.智能执勤分析评价系统，其特征在于，包括离岗监测终端、疲劳监测终端、换岗监测终端、警报器、芯片模块及后台服务器，所述离岗监测终端、疲劳监测终端、换岗监测终端及警报器均与芯片模块电性连接，所述芯片模块与后台服务器连接；

所述离岗监测终端用于实时采集监测区域内执勤人员在岗及离岗情况的视频流数据；

所述疲劳监测终端用于实时采集监测区域内执勤人员的第一人脸特征数据；

所述换岗监测终端用于实时采集监测区域内执勤人员的第二人脸特征数据；

所述警报器用于接收芯片模块发送的警报信息，并触发相应的警报；

所述芯片模块用于获取视频流数据、第一人脸特征数据及第二人脸特征数据；用于判断视频流数据中执勤人员在岗位执勤时的在岗及离岗状态；用于判断执勤人员在岗位执勤时的生理疲劳状态；用于分析执勤人员在岗位轮换时的岗位交接情况；用于参照数据库模型整理计算得出该执勤人员本次执勤的评价结果；

所述后台服务器用于存储评价结果、疲劳执勤的信号、执勤离岗的信号及岗位交接异常的信号；用于统计执勤数据，并绘制得出各个执勤点的执勤效率曲线图。

Images